Python能不能实现像Origin中的那样分峰和多峰高斯拟合？

Question

Python能不能实现像Origin中的那样分峰和多峰高斯拟合？

如图，需要提取各个小的峰

Answer 1

以下回答参考 皆我百晓生、券券喵儿 等免费微信小程序相关内容作答，并由本人整理回复。

可以使用numpy库中的scipy模块来实现这样的功能。以下是一个简单的例子：

import numpy as np
from scipy.optimize import curve_fit

def gaussian(x, A, mu, sigma):
    return A * np.exp(-(x - mu)**2 / (2 * sigma**2))

# 假设你的数据已经保存在list中，例如data = [0.0, 5, 6, ..., 1000]
data = [0.0] + list(np.arange(5, 21, 0.5)) + [1000]

# 计算每个点处的积分
intensities = np.trapz(data)

# 使用最小二乘法进行拟合
popt, pcov = curve_fit(gaussian, data, intensities)

print(popt)

这段代码首先定义了一个gaussian函数，然后计算了每个点的积分（因为高斯分布的积分等于它的面积），并将这些值作为输入给curve_fit函数。这个函数会尝试找到一个最优的参数组合（A, mu, sigma）来拟合这些数据。

注意：这个例子是基于原始数据的，如果你的数据不是这个格式，你可能需要对它做一些额外的处理。此外，这个方法只适用于单峰的情况，如果数据有多个峰，你需要将数据分成两部分，并分别求解。